❗The content presented here is sourced directly from Coursera platform. For comprehensive course details, including enrollment information, simply click on the 'Go to class' link on our website.
Updated in [June 30th, 2023]
Le cours Réseaux neuronaux convolutifs offre aux étudiants une introduction à l'apprentissage en profondeur et à la vision par ordinateur. Les étudiants apprendront à créer des réseaux neuronaux convolutifs et à les appliquer aux données d'image. Les étudiants apprendront également à utiliser le transfert de style neuronal pour générer de l'art. Les étudiants seront à même d'appliquer ces algorithmes à une variété d'images, de vidéos et d'autres données 2D ou 3D. Ce cours est le quatrième cours de spécialisation d'apprentissage approfondi.
[Applications]
Après avoir suivi ce cours, les étudiants seront en mesure d'appliquer les réseaux neuronaux convolutifs à une variété de tâches, notamment la détection et la reconnaissance visuelles, la conduite autonome, la reconnaissance faciale et la lecture automatique des images radiologiques. Ils seront également en mesure d'utiliser le transfert de style neuronal pour générer de l'art.
[Career Paths]
[Career Path]Le parcours de carrière recommandé pour les apprenants de ce cours est le développeur de réseaux neuronaux convolutifs. Un développeur de réseaux neuronaux convolutifs est responsable de la conception, de l'implémentation et de l'entraînement de réseaux neuronaux convolutifs pour des applications spécifiques. Ils doivent être à l'aise avec les concepts de base de l'apprentissage en profondeur et des réseaux neuronaux convolutifs, ainsi que des outils et des bibliothèques populaires tels que TensorFlow, PyTorch et Keras. Ils doivent également être en mesure de comprendre et de travailler avec des données complexes et des ensembles de données volumineux.
Le développement des réseaux neuronaux convolutifs est en plein essor et leur application s'étend à de nombreux domaines, notamment la vision par ordinateur, la reconnaissance vocale, la traduction automatique et la robotique. Les développeurs de réseaux neuronaux convolutifs sont très recherchés et leurs salaires sont très compétitifs. Les perspectives de carrière sont très prometteuses et les développeurs peuvent s'attendre à des opportunités de carrière variées et à des salaires élevés.
[Education Paths]
Le cheminement académique recommandé pour les apprenants est un diplôme en informatique et en apprentissage automatique. Ce diplôme se concentre sur l'utilisation des algorithmes d'apprentissage automatique pour résoudre des problèmes complexes. Les étudiants apprendront à construire des modèles d'apprentissage automatique, à les entraîner et à les évaluer. Ils apprendront également à appliquer ces modèles à des problèmes réels. Les étudiants apprendront à utiliser des outils tels que Python, TensorFlow et Keras pour créer des réseaux neuronaux convolutifs. Ils apprendront également à utiliser des techniques d'apprentissage profond pour résoudre des problèmes de vision par ordinateur.
Le développement de ce diplôme est en plein essor, car l'apprentissage automatique et l'intelligence artificielle sont de plus en plus utilisés dans de nombreux domaines. Les entreprises recherchent des professionnels qualifiés pour développer des modèles d'apprentissage automatique et les appliquer à des problèmes réels. Les diplômés de ce programme seront bien préparés pour répondre à ces besoins.
Course Syllabus
Fondements des réseaux neuronaux convolutifs
Apprendre à mettre en œuvre les couches de base des CNN (mise en commun, convolutions) et à les empiler correctement dans un réseau profond pour résoudre les problèmes de classification d'images multi-classes.Modèles convolutifs profonds : études de cas
Découvrir les astuces pratiques et les méthodes utilisées dans les CNN profonds directement à partir des articles de recherche.Détection d'objets
Apprendre à appliquer vos connaissances des CNN à l'un des domaines les plus difficiles mais les plus sensibles de la vision par ordinateur : Détection d’objets.Applications spéciales : Reconnaissance faciale et transfert de style neuronal
Découvrez comment les CNN peuvent être appliqués à plusieurs domaines, y compris la génération d'art et la reconnaissance faciale. Mettez en œuvre votre propre algorithme pour générer de l'art et reconnaître les visages !
